跳到正文
PharmTech Quality Systems·AI 评分51

PDA/FDA 联合监管会议上礼来分享连接检查发现、审计与偏差的 AI 治理经验

Lessons For AI Governance in Quality Systems

AI 导读

礼来合规与上市后报告副总监 Karthik Iyer 在华盛顿举行的 PDA/FDA 联合监管会议 2026 上,介绍了一套连接 GMP 检查发现、审计观察与偏差数据的 AI 系统,用于带引用、面向检查准备的监管情报。

正文 · AI 翻译

Karthik Iyer,Eli Lilly,详细介绍了一个 AI 系统,该系统将 GMP 缺陷、审计和偏差关联起来,以提供可引用的、检查就绪的监管情报。

在华盛顿特区举行的 2026 年 PDA/FDA 联合监管会议上,Eli Lilly 合规与上市后报告副总监 Karthik Iyer 展示了一个工作模型,说明一家全球制造商如何利用 AI 将传统上分散在不同系统中的检查缺陷、审计观察项和偏差数据关联起来。1 他的演讲《从数据噪声到检查就绪:贯穿质量全景的 AI 驱动监管情报》将 AI 的应用更多地视为一项治理工作,而非技术部署。Takeda 研发质量负责人 Gourav Pandey 和 GxPilot 首席执行官兼联合创始人 Svyatoslav Borshchenko 在评估 FDA 2026 年 4 月致 Purolea Cosmetics Lab 的警告信时也涉及了这一主题,该警告信明确指出,对 AI 辅助系统产出负责的仍然是质量部门,而非算法。在 pharmtech.com 上对此话题进行更深入探讨时,GxPFrame 创始人 Brian Drapeau 质疑制药行业合规的 AI 是否真的可能实现,并探讨了制药行业的下一个 AI 问题为何是权限。

质量组织在部署 AI 之前应提出哪些问题?

Iyer 认为最重要的问题是:某个信号此前是否在内部或外部出现过?企业如何在不制造新风险敞口的情况下共享该信号?每个数据节点中可能嵌入哪些不利检查风险和潜在诉讼风险?以及一旦模型开始给出团队喜欢的答案,团队如何防范确认偏误或沉没成本思维?1 最后一点与 FDA 推动默认数字化监管期间提出的关切一致,2 在该监管模式下,互联、可审计的记录被视为使用 AI 的前提条件,而非其副产品。

该系统如何将文档转化为可辩护的答案?

Iyer 逐一介绍了按月份、场地和卫生监管机构分类的缺陷追踪情况,以及 Lilly 的回应和事后复盘,其下设有两个 AI 层:一个文档浏览器,对检查 PDF 等非结构化文件应用检索增强生成;以及一个用于结构化数据集的数据浏览器。1

Lilly 的团队学到了什么?

Iyer 坦诚地谈到了其中的取舍。1 将系统连接到 Lilly 的数据湖意味着要应对翻译问题、全局停用词和参数调优,以在文档数量与准确性之间取得平衡。他敦促在权衡外部专业知识与内部判断时保持纪律,并告诫不要用这些工具生成预测或复述审核人员已经知道的内容,而应将重点放在呈现一组可辩护的结果范围上。

为何强调幻觉研究?

Iyer 引用了 AA-Omniscience 基准测试,该测试发现 26 个领先模型的幻觉率在 22% 到 94% 之间,并指出一个更尖锐的发现:当同一虚假陈述被表述为用户自己的信念而非第三方的信念时,模型对相同虚假陈述的准确率大幅下降,GPT-4 从 98.2% 降至 64.4%,DeepSeek R1 从超过 90% 降至 14.4%。他还指出,越来越多的研究表明,即使是长上下文模型,也会随着输入增长而损失准确率。对于一个建立在正确引用来源基础上的合规职能而言,这与其说是脚注,不如说是全部要点。

参考文献

  1. Parenteral Drug Association。PDA/FDA 联合监管会议 2026 议程。 可访问 https://www.pda.org/global-event-calendar/event-detail/pda-fda-joint-regulatory-conference-2026#agenda。访问日期 2026 年 9 月 15 日。
  2. 从指南到运营模式:为 FDA 的默认数字化监管准备 CMC 和质量体系。制药技术。访问日期 2026 年 9 月 18 日。https://www.pharmtech.com/view/from-guidance-to-operating-model-preparing-cmc-quality-systems-for-fda-s-digital-by-default-oversight

与本文相关

来源:PharmTech Quality Systems · pharmtech.com